[ 登录/注册 ] 购物车(0)
期刊大全 杂志订阅 SCI期刊 期刊投稿 出版社 公文范文 精品范文
摘要:传统的k-means算法对初始聚类中心敏感,聚类结果随不同的初始输入而波动。为消除这种敏感性,提出一种优化初始聚类中心的方法,此方法计算每个数据对象所在区域的密度,选择相互距离最远的k个处于高密度区域的点作为初始聚类中心。实验表明改进后的k-means算法能产生质量较高的聚类结果,并且消除了对初始输入的敏感性。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社
北大期刊 下单
国际刊号:1000-3428
国内刊号:31-1289/TP
国际刊号:1006-1916
国内刊号:36-1088/C
国际刊号:1003-6377
国内刊号:65-1108/S
国际刊号:1000-6958
国内刊号:51-1243/S
多年专注期刊服务,熟悉发表政策,投稿全程指导。因为专注所以专业。
推荐期刊保障正刊,评职认可,企业资质合规可查。
诚信服务,签订协议,严格保密用户信息,提供正规票据。
如果发表不成功可退款或转刊。资金受第三方支付宝监管,安全放心。